近些年，人工巡检的管理方式导致MODF端口状态的信息准确率较低，无法区分占用端口与虚占端口。针对MODF资源管理中的端口状态识别问题，提出了一种改进的YOLOv7目标检测模型。首先，鉴于数据集采集困难且类别不均衡，采用了多种数据增强方法来扩充数据集；此外，在骨干网络中使用共享权重的RFEM，扩大端口目标的感受野，减少训练过程中的过拟合风险；其次提出F-EMA注意力模块，以提高对空间上下文信息的利用率，减少因端口接近或被遮挡而导致的漏检、误检等情况；最后，使用NWD损失函数替代IoU度量，减轻对小目标位置偏差的敏感性，提升密集小物体检测准确率。实验显示，改进模型的mAP@.5值达98.8%，相比原Yolov7模型提升了2个百分点，mAP@.5:.95值达63.8%，提升了9.5个百分点，改进提高了MODF端口资源利用率，满足了智能巡检系统对于端口占用状态识别准确率的基本要求。